1 / 16

Pertemuan 26 Pemilihan regresi terbaik

Pertemuan 26 Pemilihan regresi terbaik. Matakuliah : I0174/Analisis regresi Tahun : 2005 Versi : 1. Learning Outcomes. Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : Memilih regresi terbaik dengan prosedur stepwise dan langkah mundur (backward ellimination). Outline Materi.

deiter
Download Presentation

Pertemuan 26 Pemilihan regresi terbaik

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Pertemuan 26Pemilihan regresi terbaik Matakuliah : I0174/Analisis regresi Tahun : 2005 Versi : 1

  2. Learning Outcomes Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : • Memilih regresi terbaik dengan prosedur stepwise dan langkah mundur (backward ellimination)

  3. Outline Materi • Prosedur backward ellimination • Porosedur stepwise

  4. Eliminasi langkah mundur (backward elimination) • Dimulai dengan memasukkan seluruh peubah bebas kedalam model kemudian sisihkan satu demi satu • Setiap penyisihan variabel uji parameter regresinya

  5. Misalkan ada 3 variabel X1, X2 dan X3 • Dibuat model lengkap • Y = b0 + b1 X1 + b2 X2 + b3 X3 • Lalu dihilangkan satu variabel • Y = b0 + b1 X1 + b2 X2 • Y = b0 + b1 X1 + b3 X3 • Y = bo + b2 X2 + b3 X3

  6. Dasar pengambilan/penyisihan variabel berdasarkan paling kecil pengaruhnya (nilai R2 paling kecil atau korelasi parsial paling kecil) • Uji apakah pengaruh variabel tersebut nyata atau tidak • Bila tidak nyata variabel dapat dikeluarkan dari model

  7. Tahap selanjutnya mengulangi proses pada tahap sebelumnya • Kelebihan prosedur ini kita dapat melihat seluruh variabel bebas dalam model

  8. Regresi bertatar (step-wise regression) • Prosedur ini dimulai dengan memasukan satu demi satu variabel menurut urutan besar pengaruh terhadap model regresi • Dimulai dengan memeriksa matrk korelasi • Tahap awal plih variabel yang memiliki korelasi tertinggi dengan variabel tak bebas

  9. Lalu uji parameter regesinya, bila ternyata tidak nyata maka semua variabel tidak berpengaruh • Bila nyata berpengaruh, lalu masukkan satu variabel baru ke dalam model • Pemilihan variabel dengan berdasarkan korelasi parsialnya

  10. Uji apakah tambahan variabel tersebut nyata atau tidak • Bila nyata, variabel dapat masuk kedalam model • Bila tidak nyata, model sebelumnya tidak perlu ditambah variabel lagi

  11. Misalkan ada 3 variabel bebas X1, X2 dan X3 • Berdasarkan korelasinya X1 yang paling tinggi, maka model • Y = b0 + b1 X1 • Lalu diperiksa korelasi parsial rxi,y|x1

  12. Bilai korelasi parsial paling tinggi adalah • rx3,y|x1 maka model menjadi • Y = bo + b1 X1 + b3 X3 bila berdasarkan uji F ternyata tidak nyata maka model tetap menjadi Y = bo + b1 X1 • Bila nyata model menjadi Y = bo + b1 X1 + b3 X3

  13. Periksa korelasi parsial terhadap variable sisa setelah model telah dipilih • Pilih korelasi parsial terbesar • Masukkan variabel baru kedalam model

  14. Bila model nyata, lalu tambahkan variabel X2 sehingga model menjadi Y = bo + b1 X1 + b2 X2 + b3 X3 Lakukan uji F bila nyata model tersebut dapat dipilih bila tidak nyata model menjadi Y + b0 B1 X1 + b3 X3

  15. Setiap pemasukan variabel baru, sama saja dengan memrikasa tambahan jumlah kuadrat regresi yang diakibatkan oleh pemasukan suatu variabel bebas

  16. Pemilihan regresi terbaik dapat dimulai dari: • Semua berpengaruh lalu di eliminasi • Pengaruh satu variabel kemudian ditambah variabel lain

More Related